Mục lục
Có đến 80% khả năng của các công cụ AI vẫn còn nguyên mà bạn chưa hề chạm đến!
Không phải vì bạn lười. Không phải vì bạn không đủ giỏi. Mà vì không ai chỉ cho bạn biết rằng AI không phải là một công cụ có một cách dùng duy nhất.
Hãy thử nghĩ về một cây đàn piano. Người mới học thường chỉ chơi được giai điệu chính bằng tay phải, đủ để nghe được, nhận ra được bài nhạc. Nhưng âm thanh thực sự của cây đàn đó chỉ xuất hiện khi cả hai tay cùng chơi, khi người ngồi trước nó biết rằng 88 phím đàn đó có thể tạo ra những tổ hợp hoàn toàn khác nhau tùy vào bản nhạc.
Hầu hết chúng ta đang dùng AI bằng một tay, mở lên, gõ câu hỏi, nhận câu trả lời, đóng tab. Ngày nào cũng vậy. Tuần nào cũng vậy. Và dần dần bắt đầu nghĩ: "AI cũng chỉ đến thế thôi."
Nhưng không phải vậy. Nhân viên hiệu suất cao đang dùng cả hai tay, họ biết AI có thể đóng nhiều vai trò hoàn toàn khác nhau trong một ngày làm việc.
Hôm nay Linh sẽ không giới thiệu thêm công cụ mới nào. Thứ Linh muốn chia sẻ là cách nhìn hoàn toàn khác về việc giao việc cho AI, cụ thể, có ví dụ thực hành, có prompt mẫu, và điều quan trọng nhất là: phần việc nào vẫn phải là của bạn.
80% khả năng của AI vẫn đang chờ bạn khám phá, không phải ở công cụ mới, không phải ở prompt dài hơn. Mà ở cách bạn giao việc.
1. Vai Trò 1: Nhà Nghiên Cứu (Researcher) - Giúp Thu Thập Dữ Liệu Nhanh Hơn
Ok, giờ chúng ta sẽ bắt đầu ha. 3 Vai trò hiệu suất khi làm việc với AI mà Linh sẽ thực hành cùng các bạn hôm nay là: Nhà Nghiên Cứu, Người Phiên Dịch và Đối Tác Tư Duy.
Vai trò đầu tiên là Nhà Nghiên Cứu. Đây là vai trò mà bạn có thể đã từng làm thử khi nhờ AI tìm kiếm hay nghiên cứu thông tin. Nhưng có một sự khác biệt rất lớn giữa việc dùng AI như một Google nâng cấp và dùng AI như một nhà nghiên cứu thực thụ.
Google trả về các đường link. Nhưng nhà nghiên cứu như AI sẽ trả về câu trả lời đã được tổng hợp, có cấu trúc, sẵn sàng dùng được ngay.
Linh lấy một ví dụ quen thuộc. Bạn là HR Manager. Sáng sớm vào công ty sếp nhắn tin: chuẩn bị báo cáo về xu hướng tuyển dụng ngành công nghệ tại Việt Nam cho buổi họp ban lãnh đạo chiều nay. Còn 3 tiếng. Nếu tự làm theo cách cũ, bạn sẽ mở 10 tab, chọn đọc 5 bài báo, 3 báo cáo 60 trang, sau đó lọc số liệu, sao chép vào Word - rồi vẫn không chắc mình đã bỏ sót gì. Mất cả buổi sáng, và vẫn lo.
Thay vào đó, bạn mở Gemini, chọn chế độ Deep Research và gõ:
"Hãy tổng hợp xu hướng tuyển dụng ngành công nghệ tại Việt Nam trong 3 tháng đầu năm 2026 từ các nguồn đáng tin cậy. Tôi cần: 3–5 xu hướng nổi bật nhất, số liệu cụ thể kèm nguồn, những kỹ năng đang được tuyển dụng nhiều nhất, so sánh ngắn với xu hướng toàn cầu nếu có. Trình bày theo dạng bullet point ngắn gọn - tôi cần dùng cho báo cáo nội bộ."
Dựa trên prompt trên bạn có thể thấy công thức prompt cho vai trò Nhà Nghiên Cứu là: Chủ đề cần nghiên cứu, Phạm vi thời gian / địa lý cụ thể, Danh sách những gì bạn cần, Format đầu ra và cuối cùng là Mục đích sử dụng thông tin.
Và trong khoảng thời gian bạn pha một ly cà phê, Gemini đã tổng hợp xong phần việc mà trước đây tốn cả buổi sáng.
Một kết quả khá chi tiết, bao gồm link nguồn tham khảo chính xác. Bạn cũng có thể xem tổng quan mục lục ở phần “Content” ở đây, sau đó nhấn vào nội dung muốn xem để đi thẳng đến đó.
Lý do Linh chọn Gemini cho vai trò này là vì Gemini kết nối trực tiếp với Google Search, có dữ liệu thời gian thực, và tích hợp ngay trong Google Workspace nơi bạn đang làm việc, không cần copy-paste qua lại giữa các tab. Khi bạn chọn “Share & Export”, toàn bộ kết quả sẽ trả về cho bạn dạng file Google doc đã lưu sẵn trên drive của bạn như thế này. Lúc này bạn có thể format lại hay điều chỉnh tuỳ ý trên ứng dụng làm việc quen thuộc.
Tuy nhiên, phần Linh muốn bạn thực sự chú ý là nhiệm vụ của bạn sau đó. Ví dụ Gemini có thể tổng hợp được thông tin "kỹ năng Data Analysis đang được tuyển dụng nhiều nhất trong ngành công nghệ Việt Nam đầu năm 2026."
Nhưng công cụ này không biết rằng team bạn vừa có 2 nhân sự Data nghỉ việc cùng lúc trong tháng trước. Và cả hai đều nghỉ vì lý do không liên quan đến lương, mà liên quan đến cách quản lý. Bối cảnh đó hoàn toàn thay đổi cách bạn đề xuất hành động từ xu hướng thị trường với ban lãnh đạo. Ví dụ như không phải "chúng ta cần tuyển thêm", mà là "chúng ta cần giữ người trước khi nghĩ đến tuyển mới."
Đó là lý do nhiệm vụ của bạn không chỉ là kiểm tra nguồn. Mà là đọc kết quả Gemini trả về, rồi tự hỏi: dữ liệu thị trường này đang nói gì - và thực tế nội bộ của mình đang nói gì khác? Khoảng cách giữa hai câu trả lời đó chính là insight thực sự mà ban lãnh đạo cần nghe. Và chỉ bạn, người đang ở trong công ty, đang làm việc với đội ngũ mỗi ngày, mới có thể nhìn thấy khoảng cách đó.
Đến cuối ngày, Nhà Nghiên Cứu không phải là vai trò để bạn biết nhiều hơn, mà là để bạn bắt đầu từ một nền tảng thông tin tốt hơn, nhanh hơn, và dành thời gian còn lại cho điều quan trọng hơn là phân tích và quyết định.
2. Vai Trò 2: Người Phiên Dịch (Interpreter) - Biến Dữ Liệu Thành Thông Tin Có Giá Trị
Nếu vai trò Nhà Nghiên Cứu giúp bạn thu thập thông tin nhanh hơn, thì vai trò Người Phiên Dịch giải quyết một vấn đề khác, cũng khá phổ biến trong công việc hàng ngày là: bạn đã có dữ liệu rồi, nhưng không biết dữ liệu đang nói gì.
Đây là tình huống mà Linh thấy rất nhiều bạn gặp phải. Dữ liệu không thiếu: email khách hàng, kết quả khảo sát, báo cáo doanh số hay ghi chú cuộc họp, nhưng tất cả đang nằm rải rác, chưa có cấu trúc, và bạn không có thời gian để ngồi đọc từng dòng rồi tự tổng hợp. Kết quả là dữ liệu có đó nhưng không được dùng, hoặc chỉ được dùng một phần rất nhỏ.
Đây là lúc giao cho AI vai trò Người Phiên Dịch, để đọc hiểu và tìm ra ý nghĩa trong đống thông tin bạn đã có.
Linh lấy một ví dụ cụ thể. Bạn là một CS - nhân viên chăm sóc khách hàng. Sau một quý, team bạn thu thập được 80 phản hồi từ khách hàng qua form khảo sát, không có cấu trúc, không theo chủ đề, người thì viết một dòng, người thì viết cả đoạn. Sếp hỏi: "Khách hàng đang không hài lòng nhất về điều gì?" Bạn biết câu trả lời nằm đâu đó trong 80 cái feedback đó, nhưng không thể ngồi đọc từng cái rồi tổng hợp trong vài giờ.
Bạn mở Claude, đính kèm file phản hồi của khách hàng và nhập câu lệnh yêu cầu Claude xác định các chủ đề phàn nàn, trích dẫn mẫu, đánh giá mức độ nghiêm trọng của từng chủ đề và gợi ý câu hỏi để follow up với khách hàng cho mỗi vấn đề. Bạn có thể sao chép prompt mẫu ở đây nha:
File đính kèm là 80 phản hồi của khách hàng sau một quý sử dụng dịch vụ. Hãy:
(1) Xác định 3-5 chủ đề phàn nàn hoặc không hài lòng xuất hiện nhiều nhất,
(2) Với mỗi chủ đề, trích dẫn 2-3 phản hồi cụ thể để minh họa
(3) Đánh giá mức độ nghiêm trọng của từng chủ đề theo thang: cao / trung bình / thấp dựa trên tần suất xuất hiện,
(4) Gợi ý 1-2 câu hỏi follow-up tôi nên hỏi khách hàng để hiểu sâu hơn mỗi vấn đề.
Feedbakc khách hàng
Công thức prompt cho vai trò Người Phiên Dịch là: Mô tả dữ liệu bạn có, Câu hỏi kinh doanh cụ thể bạn cần trả lời, Cách bạn muốn kết quả được trình bày và Gợi ý hành động bạn sẽ làm với kết quả đó.
Rất nhanh thôi, Claude đã trả về kết quả rất chi tiết, có đủ 5 chủ đề khách hàng phàn nàn, xếp theo mức độ nghiêm trọng, Linh khá thích cách biểu thị bằng dòng màu đỏ rồi cam này, rất dễ hình dung ha các bạn.
Lý do Linh chọn Claude cho vai trò này xuất phát từ một điểm rất cụ thể. Khi làm việc với dữ liệu phi cấu trúc, Claude đặc biệt mạnh ở khả năng diễn giải sắc thái và bảo toàn được ý nghĩa thực sự của văn bản. Nghĩa là Claude không chỉ đếm từ khóa xuất hiện nhiều lần, mà hiểu được khi hai khách hàng đang nói về cùng một vấn đề nhưng bằng hai cách diễn đạt hoàn toàn khác nhau.
Và với những tài liệu cần độ chính xác cao, Claude có tỷ lệ hallucination hay ảo giác AI thấp hơn so với các công cụ khác. Điều này khá quan trọng khi bạn đang đưa ra quyết định kinh doanh dựa trên những kết quả phân tích đó.
Sau khi Claude trả về kết quả, việc của bạn là hãy ra quyết định. Claude tìm ra vấn đề, nhưng chỉ bạn mới biết vấn đề nào cần ưu tiên xử lý trước. Khách hàng nào trong số đó là khách hàng trọng yếu có nguy cơ rời bỏ cao? Vấn đề nào đã được hứa giải quyết từ quý trước mà chưa làm? Những câu hỏi đó đòi hỏi bối cảnh kinh doanh mà bạn đang nắm trong tay, và Claude thì không hề biết.
Hãy nhớ là “Người Phiên Dịch” không thay thế khả năng phán đoán của bạn. Nó chỉ đảm bảo rằng phán đoán đó được đưa ra dựa trên toàn bộ dữ liệu, thay vì chỉ dựa trên phần nhỏ bạn vừa kịp đọc.
3. Vai Trò 3: Đối Tác Tư Duy (Thought Partner) - Giúp Bạn Suy Nghĩ Tốt Hơn
Vai trò thứ 3 Linh muốn giới thiệu với các bạn là Đối tác tư duy. Đây là vai trò mà nhiều người nghĩ mình đang dùng, nhưng thực ra chưa dùng.
Dùng AI để xác nhận ý tưởng của mình không phải là tư duy cùng AI. Đó chỉ là đi tìm sự đồng ý. Và AI rất dễ chiều ý bạn. Nếu bạn hỏi "ý tưởng này có hay không?", gần như chắc chắn AI sẽ khen bạn. Bạn cảm thấy tốt hơn, nhưng ý tưởng của bạn không tốt hơn.
Tư duy cùng AI thực sự là khi bạn chủ động mời AI phản biện, và bạn đủ tự tin để nghe những thứ mình không muốn nghe.
Linh sẽ chọn ChatGPT cho ví dụ trong vai trò này. Lý do là vì ChatGPT đặc biệt linh hoạt trong việc nhập vai và duy trì một góc nhìn nhất quán xuyên suốt cuộc trò chuyện. Bạn có thể định hình chính xác ChatGPT cần đứng ở vị trí nào, một Sales Director kỳ cựu, một khách hàng khó tính, hay một đối thủ cạnh tranh đang muốn chiếm thị phần của bạn, và nó sẽ giữ vai trò đó đủ lâu để cuộc phản biện có chiều sâu thực sự.
Linh lấy một ví dụ. Bạn là Sales Executive. Bạn vừa nghĩ ra một cách tiếp cận mới để upsell: thay vì chờ đến kỳ gia hạn hợp đồng mới đề xuất nâng gói cao hơn, bạn sẽ chủ động liên hệ khách hàng sau 3 tháng sử dụng, đúng lúc khách hàng đang trong giai đoạn hài lòng nhất. Bạn nghĩ ý tưởng này có lý. Nhưng trước khi trình với trưởng phòng, bạn muốn kiểm tra lại một lần.
Công thức prompt Linh sử dụng cho vai trò này là: Giao cho AI một góc nhìn cụ thể, nói rõ AI KHÔNG làm gì, liệt kê chính xác bạn cần AI làm gì, Mô tả ý tưởng hoặc vấn đề của bạn kèm bối cảnh. Tương tự các vai trò trước, bạn có thể sao chép prompt mẫu bên dưới nha:
Tôi có một ý tưởng về chiến lược upsell mới cho đội sales B2B SaaS. Tôi muốn bạn đóng vai một Sales Director kỳ cựu 10 năm kinh nghiệm - người có tư duy phản biện cao và không ngại nói thẳng.
Nhiệm vụ của bạn không phải là khen ý tưởng của tôi. Nhiệm vụ là:
(1) Chỉ ra 3 điểm yếu hoặc rủi ro lớn nhất trong ý tưởng này,
(2) Đặt ra 2–3 câu hỏi khó mà trưởng phòng của tôi có thể hỏi khi tôi trình bày,
(3) Gợi ý một điều chỉnh cụ thể để ý tưởng này khả thi hơn.
Ý tưởng của tôi: Thay vì chờ đến kỳ gia hạn để đề xuất upsell, tôi sẽ chủ động liên hệ khách hàng sau 3 tháng sử dụng - giai đoạn khách đang có trải nghiệm tốt nhất - để giới thiệu gói cao hơn. [Bạn điền thêm lý do và bối cảnh cụ thể của mình vào đây nếu có].
Các bạn thấy thế nào? “Sales Director” này phản hồi khá thẳng thắn ha các bạn, nhưng mà cũng có đưa ra lý do và đề xuất giải pháp.
Nếu không có bước này, bạn sẽ chỉ phát hiện ra những vấn đề trong ý tưởng của mình khi đứng trước mặt trưởng phòng, mà lúc đó đã quá muộn để điều chỉnh.
Giờ đến lượt bạn. Nhiệm vụ của bạn lúc này là lọc lại, không phải chấp nhận toàn bộ. Vì AI phản biện dựa trên logic chung, còn bạn sẽ biết những điều mà không có logic chung nào bao quát được như: sếp của bạn quan tâm đến điều gì nhất trong một buổi trình bày, khách hàng đó có đang trong giai đoạn nhạy cảm về ngân sách không, ý tưởng tương tự đã từng được thử 6 tháng trước và thất bại vì lý do gì.
Nên khi đọc lại phản biện của AI, có những điểm bạn sẽ gật đầu ngay. Nhưng cũng có những điểm bạn biết chắc là không áp dụng được trong bối cảnh của mình. Cả hai phản ứng đó đều có giá trị. Vì chính quá trình đọc, đối chiếu, và quyết định cái nào giữ cái nào bỏ, mới là lúc bạn thực sự đang tư duy, không phải lúc bạn ngồi nhìn màn hình chờ AI trả lời.
4. Khi 3 Vai Trò Kết Hợp Thành Quy Trình
Cho đến giờ Linh đang chia sẻ từng vai trò riêng lẻ, nhưng trong thực tế, sức mạnh tự động hoá thực sự xuất hiện khi bạn dùng cả ba vai trò trong cùng một quy trình công việc, theo đúng thứ tự.
Linh lấy một ví dụ để bạn thấy rõ. Bạn là HR Manager, vừa được giao nhiệm vụ đề xuất kế hoạch giữ chân nhân viên cho quý tới.
Bước đầu tiên, giao cho Nhà Nghiên Cứu. Yêu cầu AI tổng hợp các xu hướng và phương pháp giữ chân nhân viên đang được áp dụng hiệu quả nhất trong ngành của bạn. Mười phút sau, bạn đã có nền tảng thông tin đủ vững để bắt đầu.
Bước tiếp theo, giao cho Người Phiên Dịch. Dán vào AI kết quả khảo sát nội bộ gần nhất, những phản hồi chưa ai có thời gian đọc hết, và yêu cầu AI tìm ra đâu là vấn đề thực sự khiến nhân viên công ty bạn chưa hài lòng với công việc hay đang có ý định rời đi. Không phải xu hướng thị trường chung chung, mà là dữ liệu của chính tổ chức bạn.
Và bước cuối, giao cho Đối Tác Tư Duy. Bạn đã có thông tin thị trường, đã hiểu thực trạng nội bộ, giờ trình bày đề xuất của mình cho AI và yêu cầu nó đóng vai Giám đốc Nhân sự khó tính nhất mà bạn từng gặp, chỉ ra tất cả những chỗ đề xuất này có thể bị bác bỏ.
Ba bước. Mỗi vai trò làm đúng một việc. Và bạn bước vào buổi trình bày với ban lãnh đạo không phải với một bản đề xuất được viết bởi AI, mà với một đề xuất đã được kiểm tra từ nhiều góc độ, có số liệu thị trường, có dữ liệu nội bộ, và đã được phản biện thử trước khi ai kịp phản biện thật.
Xuyên suốt bài viết, Linh sử dụng Gemini, Claude và ChatGPT để minh họa cho các vai trò khác nhau vì mỗi công cụ có thế mạnh riêng. Nhưng điều đó không có nghĩa là bạn phải dùng chính xác những công cụ đó cho các nhiệm vụ đó nha. Bạn hoàn toàn có thể sử dụng các công cụ mà mình quen thuộc hoặc công cụ mà bạn đã trả phí nha.
Nói đến đây, Linh muốn chia sẻ với các bạn một khóa học mới từ Skills Bridge mà Linh nghĩ rất phù hợp với những gì chúng ta vừa nói đến. Khóa học AI Workflows for Business Operations.
Khóa học này được thiết kế riêng cho những bạn đang làm Sales, Nhân sự, hoặc Chăm sóc khách hàng, những vị trí mà mỗi ngày đều phải xử lý một khối lượng công việc lặp lại lớn: theo dõi khách hàng, tổng hợp dữ liệu, phân loại yêu cầu, soạn báo cáo. Những việc không khó, nhưng ngốn thời gian, và thường là thời gian tốt nhất trong ngày làm việc của bạn.
Trong khóa học, bạn sẽ học cách xây dựng các workflow tự động kết hợp Gemini, Make, và Google Workspace, để những quy trình đó chạy mà không cần bạn phải ngồi thực hiện từng bước. Ví dụ như tự động phân loại và phản hồi tin nhắn khách hàng, tự động tổng hợp ghi chú cuộc gọi của đội sales thành báo cáo coaching, hay tự động hóa quy trình onboarding hay chăm sóc ứng viên.
Mục tiêu không phải là dùng nhiều công cụ hơn, mà là để bạn dành ít thời gian hơn cho những việc có thể tự động hóa, và nhiều thời gian hơn cho những vai trò mà Linh vừa chia sẻ.
Bạn có thể tìm hiểu thông tin chi tiết và đăng ký khoá học qua link này nha!
Lời kết: Ngay trong tuần tới!
Linh muốn kết thúc video này bằng một thử thách nhỏ.
Trong tuần tới, bạn hãy chọn một nhiệm vụ bất kỳ ngày nào, và trước khi mở AI lên, dừng lại 10 giây và tự hỏi: hôm nay mình cần AI đóng những vai trò gì trong nhiệm vụ này? Nhà Nghiên Cứu? Người Phiên Dịch? Hay Đối Tác Tư Duy? Hay cả 3.
Chỉ một ngày thôi. Linh đoán là đến cuối ngày hôm đó, bạn sẽ nhìn lại và tự hỏi tại sao mình không làm vậy sớm hơn.
Vì 80% khả năng của AI mà Linh nhắc đến lúc đầu video, nó không nằm ở một tính năng bí ẩn nào đó bạn chưa khám phá ra. Nó nằm ngay trong những công việc bạn đang làm mỗi ngày, chỉ là bạn chưa giao đúng vai trò.
